没有合适的资源?快使用搜索试试~ 我知道了~
首页分布式发电系统:风能与光伏预测技术的短时优化研究
分布式发电系统:风能与光伏预测技术的短时优化研究
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 138 浏览量
更新于2024-07-02
收藏 2.27MB PDF 举报
分布式发电系统在当今全球能源转型中扮演着关键角色。随着化石燃料的逐渐枯竭和环境问题的日益严重,高效利用能源已成为全球关注的焦点。其中,分布式发电(DG)系统,特别是风能系统和光伏(PV)系统,因其灵活性、可靠性和环保特性而备受青睐。然而,这两种可再生能源的发电特性存在显著的随机性和波动性,这给电力质量、能源管理和电网调度带来挑战。 本论文深入探讨了分布式发电系统的短期发电预测问题。首先,论文利用相空间重构技术对风力发电的混沌特性进行了验证。风力是一种高度间歇且难以预测的能源,因此作者提出了一种基于支持向量机(SVM)的短期风力发电预测模型,旨在提高其预测精度和稳定性。通过对风力发电数据的深入分析,该模型能够捕捉到风力变化中的潜在规律。 接下来,论文着重分析了影响光伏系统发电输出的多种环境因素,如光照强度、温度和天气类型等。通过将历史数据按照通用气象类型进行分类,研究人员可以更好地理解这些因素对光伏输出的影响,从而构建出更为精确的光伏短期发电预测模型。这种模型考虑了天气因素的动态变化,提高了光伏电力预测的准确性和实用性。 本论文对分布式发电系统的短期发电预测提出了创新的方法和技术,为优化风能和光伏系统的运行管理、提升电力质量和电网调度效率提供了科学依据。通过集成混沌理论和机器学习技术,论文的工作有助于推动清洁能源的广泛应用,并助力实现可持续发展的能源目标。
资源详情
资源推荐
![](https://csdnimg.cn/release/download_crawler_static/85726431/bga.jpg)
第二章 基于相空间重构及支持向量机的风力发电短期预测
7
第二章 基于相空间重构及支持向量机的风力发电短期预测
2.1 相空间重构理论
2.1.1 相空间重构概述
混沌是一种由确定性动力学系统产生的往复周期运动,它对于初值的选取极
为敏感同时又具有内在随机性,但在较长的时间尺度上是不可预测的。对混沌时
间序列进行研究是把非线性动力学或者说混沌理论与分形理论运用在非线性时
间序列中的研究措施。该研究的理论基础是 Takens 嵌入定理。根据其规定,混
沌系统内的任何分量的演变过程均受与自身相关联的其他分量影响而决定,所以
在相空间的重构过程中需要考虑的只有一个分量
[
37
]
。换言之,只要借助对一些确
定的时间延长点的观察结果可以发现一个
m
维向量,凭借该向量即可重新构筑等
价的相空间。通常而言,
m
的值只要符合
21mD
的条件便可还原轨道的规律,
这里的
D
表示动力系统的维数。对于混沌时间序列而言,设嵌入维数为
m
,时间
延迟为
,则重构后的相空间为:
, , , 1
m
Y i x i x i x i m
(2-1)
式中
1,2, ,iN
,
1N n m
。
坐标延迟法是进行相空间重构主要方法,该方法的核心在于确定其嵌入维数
m
和时间延迟
。依据 Takens 定理,长度无限且不含噪音的理想一维时间序列,
其嵌入维数
m
和时间延迟
的取值是任意的,可是考虑到现实中的时间序列均为
非无限长而且会有噪音的存在,故此不得随意对取值
m
和
,应采取措施加以确
定。合适的
m
和
值能够使经重新构筑得到的相空间更加完善,并且进一步改善
预测质量。若
m
值超出合适值过多,则点与点的距离将不再是适合的值,这对吸
引子的还原而言不是一个好消息;反过来,倘若
m
取值过小,将会导致吸引子的
自交现象出现,这时重构后的相空间可能呈现无规律特性。同样,值太大会使得
某一时间点的情况在下一时间点会发生激烈变动,不相关误差随之出现;反之,
的取值太小,会出现相空间轨迹向空间一侧偏移,引发冗余误差,使得信息显
露的难度加大。
当前阶段对嵌入维数
m
加以判断的常用方法有 G-P 算法、伪最近邻法、Cao
算法、分解奇异值法等,而对延迟时间
加以判定的常用方法有自相关函数法、
平均位移法、互信息法等。此外还有一种观点认为
m
和
是相关的两个变量。计
算 结 果 表 明
m
和
的 关 系 与 进 行 相 空 间 重 构 的 时 间 窗
w
密 切 相 关
(
1
w
m
),倘若
m
和
的值不匹配可能会导致相空间重构不再是等价变换。
![](https://csdnimg.cn/release/download_crawler_static/85726431/bgb.jpg)
第二章 基于相空间重构及支持向量机的风力发电短期预测
8
所以便有学者提出
m
和
的关联计算方法,其中以嵌入窗口法、C-C 算法为代表。
本文在这里将分别对运用 Cao 算法和互信息法的重构方法以及运用 C-C 算
法重构方法进行阐述。
2.1.2 互信息法和 Cao 算法
互信息法起始自信息论,是 对两个随机变量之间的关联性进行描述。鉴于其
非线性的特征,使用该方法来来进行混沌时间序列的相关研究与处理再恰当不过
的了。该方法的核心观念可以看作为观察互信息函数,并在其首次在部分数值区
间出现极小值的情况下的
值加以记录,视该值为最优的
值。可是鉴于互信息
函数运行时那高度复杂的运作步骤,当下广泛采纳的计算方式主要有两种。首先
是根据在方格边缘处几率相一致的原理人为绘制空间方格的方法,然后是依照相
等的距离绘制空间方格的方法。前者虽然可以称之为是比较好的方法,但是复杂
的运算过程严重妨碍了它的普及;后一类虽然具有计算便捷的特点,可是较差的
精确度同样妨碍了其普及过程。鉴于二者的各有缺点,在这里所采用的是等概率
符号分析法,运用这种方法以完成对互信息的运算。
对于两组信号
, 1,2, , ; 1,2, ,x i y j i N j N
,定义互信息函数为:
,,
log log
, log ,
x x y y
xy xy
I x y H x H y H x y
P x i P x i P y j P y j
P x i y j P x i y j
(2-2)
式中
Hx
代表的是信号
xi
的嫡,此时它指示对给定的系统的
N
个
xi
信
号经过精确测定所获得的平均信息量,该值与信号的不确定性成正比关系,
Hy
的概念与
Hx
同样,
,H x y
表示联合信息嫡。此时,作为互信息函数,
,I x y
的数值高低体现了
,x i y j
两信号之间的相关关系的强度。
在重构时间序列时,我们所希望得到的是
xt
值对
xt
值的依仗程度。
鉴于此等情况,令
,,x y x t x t
。运用此种方法处理实际数据,以求得
渴望得到的时间序列。
Cao 算法属于对虚假最近邻点法的改善型方法。虚假最近邻点法的核心观念
为,假设一点在经过重构后的
m
维相空间内属于邻近点,而该点在
1m
维的空
间内依旧属于邻近点,便将该点称为真邻近点,而不满足上述要求的点即为虚假
邻近点。此类伪邻近点的存在使得混沌时间序列表现出没有规律存在的特性,为
此该类点在对相空间进行重构的步骤须内必须去除。
对于嵌入维数为
m
,时间延迟为
的混沌时间序列,相空间重构如式(2-1)
所示。定义判据:
![](https://csdnimg.cn/release/download_crawler_static/85726431/bgc.jpg)
第二章 基于相空间重构及支持向量机的风力发电短期预测
9
11
,
, 1,2, , 1
,
mm
mm
Y i Y n i m
i m i n m
Y Y n i m
(2-3)
式(2-3)中
1
,
m
Y n i m
是相点的矢量
1m
Yi
的邻近点,与之类似,
,
m
Y n i m
是相点矢量
m
Yi
的邻近点。若
,im
比某一特定值要高,那么就叫此类点为伪
邻近点。但是该特定值在不同的序列中的值不同,说明一个独立于维数和轨道的
恰当的数值是不存在的。若嵌入维数
m
比原轨道的真实维数低则会导致虚假邻近
点的出现,所以可以使用观察伪邻近点的出现与否的方法来寻找适当的最小嵌入
维数。换言之,在
m
取一定值时,伪邻近点的百分比取值近乎为 0,外加该百分
比值的取值与
m
的增大无关,此时的值即为希望得到的最小嵌入维数。所以,为
了达到此种目的,Cao 算法引入
Em
,它是所有
,im
的平均数,而且其数值
仅和
m
与
的取值有关,可以用来表示伪邻近点个数的改变。出于研究从
m
维到
1m
维改变的目的,对
1
Em
下定义为:
1
1
,
Nm
m
i
E i m
Nm
(2-4)
1
1Em
Em
Em
(2-5)
通过式(2-4)和式(2-5)可以看出,若
1
Em
在
0
m
以后的时间内其值取值多少
与
m
的变动无关而且保持恒定,就此可以判断出该时间序列是确定的。而该
m
的
值就是所要寻找的嵌入维数。如果
1
Em
的取值与
m
的上升成正比关系,且上不
封顶,那么把这一类时间序列叫做随机信号。在真实场景中运用
1
Em
进行研究
的话就不得不面临一个较大的弊端:被有限的真实测得的数据所蒙蔽;也就是说,
有一定几率产生随机序列但其
1
Em
的取值在
m
为一定值后停止改变。除此以
外,对一个长度有限的
1
Em
序列的取值是缓慢变化还是保持恒定进行判断存在
极大的困难。因此很难对一有限长度的序列进行它是随机还是确定性序列的判
断。鉴于此种情况,Cao 算法推出
2
Em
来对信号的性质加以判断。
定义
m
维空间中,相点矢量
m
x i m
和在相应临近点
,
m
x n i m m
的距
离平均值为
*
Em
:
*
1
1
,
Nm
mm
i
E m x i m x n i m m
Nm
(2-6)
*
2
*
1Em
Em
Em
(2-7)
对于确定的序列,多个数据之间的关联关系是仰仗于
m
值的,也就是说会
2
Em
的值会随着
m
而变化,当
0
mm
之后
2
Em
趋于平稳或是停止变动,
0
1m
即为最小嵌入维数。
剩余58页未读,继续阅读
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
programmh
- 粉丝: 4
- 资源: 2162
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- 贵州煤矿矿井水分类与处理策略:悬浮物、酸性与非酸性
- 醛固酮增多症肾上腺静脉采样对比:ACTH后LR-CAV的最优评估
- 开源云连接传感器监控平台:农业土壤湿度远程监测
- 母婴用品企业年度生产计划线性规划优化模型:实证与应用
- 井下智能变电站:Rogowski线圈电流检测系统的研发与性能验证
- 霍州矿区煤巷稳定性分析及支护策略
- ARM嵌入式系统远程软件更新方案:基于TFTP协议
- 煤炭选煤中汞分布规律与洗选脱汞效果
- 提升码垛机器人性能:拉格朗日动力学模型与滑模模糊控制的应用
- 增强现实技术提升学前手写教学:设计与开发案例
- 不规则工作面沉陷三角剖分算法提升与应用
- 卡尔曼滤波在瞬变电磁干扰压制中的应用研究
- 煤矿安全能力研究:理论与系统构建
- LonWorks总线技术在斜巷运输车辆定位与跑车防护中的应用
- 神东煤炭集团高效煤粉锅炉系统:节能环保新实践
- Ti/SnO2+Sb2Ox/PbO2电极分形维数与电催化性能研究
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)